Lợi nhuận:
- Khả năng mô tả vai trò của AI trong việc chuẩn bị, giải thích và báo cáo dữ liệu trong quy trình mô phỏng ánh sáng ban ngày, ánh nắng mặt trời và năng lượng
- Khả năng theo dõi rõ ràng các giả định, điều kiện biên và độ không chắc chắn khi tóm tắt kết quả mô phỏng bằng AI
- Khả năng hiểu rằng kết quả về năng lượng/sự thoải mái phải được xác minh bằng phương pháp tính toán chính thức và phần mềm được công nhận và AI không tạo ra con số
Một tòa nhà không chỉ trông đẹp; Nó giữ cho người sống bên trong mát mẻ khi trời nóng và ấm áp khi trời lạnh, đón ánh sáng vào ban ngày và không tiêu thụ năng lượng không cần thiết. Để dự đoán những điều này, các kiến trúc sư sử dụng mô phỏng: phân tích máy tính tính toán số lượng cách tòa nhà sẽ hoạt động với mặt trời, ánh sáng và không khí. Phân tích ánh sáng ban ngày (lượng ánh sáng tự nhiên đi vào không gian), phân tích độ nắng/bóng râm và mô phỏng năng lượng là những phân tích chính. Phần mềm đặc biệt được công nhận và xác minh thực hiện các phép tính này; Trí tuệ nhân tạo không tự tạo ra những con số này. Vai trò của AI là chuẩn bị dữ liệu, sắp xếp các kịch bản, diễn giải và báo cáo kết quả. Trong phần này, bạn sẽ tìm hiểu cách đặt AI vào đúng vị trí trong quy trình làm việc về năng lượng và ánh sáng ban ngày cũng như cách tránh sai lầm nguy hiểm nhất: khiến AI tạo ra các con số.
Tại sao AI không mô phỏng
Một mô hình ngôn ngữ có thể đưa ra một con số chắc chắn cho câu hỏi “có bao nhiêu ánh sáng mặt trời chiếu vào căn phòng này”. Nhưng con số này chỉ là ước tính/bịa đặt, không phải là tính toán thực tế. Hệ số ánh sáng ban ngày, tải năng lượng, giờ bóng; Đây là những tính toán vật lý dựa trên hình học, vị trí địa lý, tính chất vật liệu và dữ liệu khí hậu của tòa nhà. Chỉ có phần mềm mô phỏng mô hình vật lý mới làm được những điều này.
Đóng góp thực sự của AI là: chuẩn bị đầu vào của mô phỏng (danh sách kịch bản, danh mục vật liệu), hiểu ý nghĩa đầu ra của nó (tóm tắt hàng trăm trang kết quả, tìm mẫu) và viết báo cáo. Vì vậy AI có giá trị trước và sau tài khoản; không có trong chính tài khoản đó.
Thận trọng: Không hỏi AI về một số như hệ số nhân ánh sáng ban ngày, mức tiêu thụ năng lượng hoặc giờ bóng. Chỉ phần mềm mô phỏng được công nhận/xác minh mới tạo ra những giá trị này. Không nên sử dụng bất kỳ số nào do AI cung cấp trừ khi đó là tài khoản có nguồn gốc.
Chuẩn bị đầu vào: Lợi ích đầu tiên của AI
Chất lượng mô phỏng phụ thuộc vào chất lượng đầu vào. AI giúp bạn sắp xếp một loạt các kịch bản phức tạp: hướng mặt tiền nào, loại kính nào, tùy chọn bóng râm nào, số giờ sử dụng để kiểm tra. Chuyển chúng thành một bảng có cấu trúc và làm rõ từng kịch bản sẽ đo lường điều gì sẽ giúp tiết kiệm thời gian và giảm sai sót.
AI cũng có thể tổng hợp các đặc tính của vật liệu (giá trị độ dẫn nhiệt, độ truyền ánh sáng, v.v.) và đưa chúng vào bảng; nhưng cần phải xác nhận các giá trị này từ tài liệu của nhà sản xuất, vì AI có thể ghi nhớ không chính xác.
Giải thích đầu ra: Lợi ích thứ hai của AI
Đầu ra mô phỏng thường rất lớn và phức tạp: nhiệt độ từng giờ, mức ánh sáng từng phòng, phân bổ năng lượng hàng tháng. Dựa trên dữ liệu này, AI đưa ra một bản tóm tắt rõ ràng: “ba nơi ấm nhất”, “các khu vực nằm dưới mục tiêu ánh sáng ban ngày”, “trong tháng nào tải làm mát cao nhất”. Bản tóm tắt này xúc tiến quyết định thiết kế của kiến trúc sư. Nhưng hãy chắc chắn chỉ định phần mềm nào và với những giả định nào bạn đang đưa ra kết quả cho AI; Bình luận nên được đặt trong bối cảnh này.
Mẹo: Khi đưa ra kết quả mô phỏng cho AI, hãy nói "những kết quả này do [phần mềm] tạo ra, với các giả định sau; bạn chỉ cần nhận xét và cho biết các giả định đó ảnh hưởng đến kết quả như thế nào." Do đó, AI làm cho sự không chắc chắn trở nên rõ ràng hơn là che giấu nó.
Từng bước: Quy trình phân tích được hỗ trợ bởi AI
- Làm rõ câu hỏi. Bạn muốn biết điều gì: quá nóng, thiếu ánh sáng, năng lượng?
- Chỉnh sửa kịch bản với AI. Lập bảng các biến thể được thử nghiệm.
- Biên soạn và xác minh dữ liệu vật liệu. Họ nói AI, bạn xác minh nó từ tài liệu của nhà sản xuất.
- Chạy mô phỏng với phần mềm có thẩm quyền. Đây là nơi con số đến từ.
- Giải thích đầu ra bằng AI. Hãy tóm tắt bằng cách nêu các giả định.
- Ra quyết định và báo cáo. Kết luận và giải thích đều được ghi rõ nguồn.
ba trường hợp nhỏ
Trường hợp 1 - Chỉnh sửa kịch bản. Một kiến trúc sư muốn thử nghiệm ánh sáng ban ngày ở 4 hướng mặt tiền, 3 loại kính và 2 tùy chọn che nắng. AI biến những sự kết hợp này thành một bảng rõ ràng gồm 24 kịch bản và kiến trúc sư sẽ thấy những kịch bản nào lặp lại không cần thiết và thu hẹp nó xuống còn 16. Thời gian mô phỏng và tính bất thường được giảm xuống.
Trường hợp 2 - Giải thích và mẫu. 800 dòng đầu ra nhiệt độ hàng giờ xuất hiện. Kiến trúc sư đưa cái này cho AI và yêu cầu tóm tắt. AI đánh dấu hai văn phòng ở góc Tây Nam đang nóng lên trên mục tiêu vào buổi chiều. Để xác minh phát hiện này, kiến trúc sư nhìn vào biểu đồ tương ứng của mô phỏng và thêm bóng. AI không tạo ra con số ở đây; Nó làm cho số hiện có có thể đọc được.
Trường hợp 3 - Lối tắt nguy hiểm. Để tiết kiệm thời gian, một thực tập sinh hỏi AI "hệ số nhân ánh sáng ban ngày của căn phòng này là bao nhiêu?" và ghi số kết quả vào báo cáo. Khi kiểm tra, có thể thấy rõ rằng con số này không dựa trên bất kỳ tính toán nào và chỉ là bịa đặt. Báo cáo được rút lại. Bài học: những con số luôn đến từ phần mềm có thẩm quyền.
Bốn lời nhắc có thể sao chép
Biến KỊCH BẢN cần kiểm tra cho mục tiêu phân tích sau đây thành một bảng. Cột: kịch bản số | hướng trước | loại kính | bóng |nó đo lường những gì? Gắn cờ các tình huống không cần thiết/lặp đi lặp lại. Mục đích: […]
Biên soạn các giá trị truyền nhiệt và truyền ánh sáng cho danh sách vật liệu này trong một bảng. Đánh dấu từng giá trị là "ĐỂ ĐƯỢC XÁC NHẬN TỪ TÀI LIỆU CỦA NHÀ SẢN XUẤT"; Đừng đưa ra giá trị chính xác. Danh sách: [...]
Các kết quả mô phỏng sau đây được tạo ra bởi [tên phần mềm], với các giả định sau: [giả định]. Kết quả TÓM TẮT: 3 vị trí, mô hình và tác động quan trọng nhất của các giả định. KHÔNG TẠO số mới, chỉ giải thích những số đã cho. Kết quả: […]
Sắp xếp bản thảo báo cáo năng lượng/ánh sáng ban ngày này bằng ngôn ngữ của kiến trúc sư: với các phần về phương pháp, giả định, phát hiện, đề xuất. Để lại trường [SOURCE] để cho biết nguồn (phần mềm/tài khoản) của từng vấn đề. Bản nháp: [...]
Dấu nhắc yếu / Dấu nhắc mạnh
Yếu: "Căn phòng này sẽ tiêu thụ bao nhiêu năng lượng?"
Strong: "Tôi đang dán sản lượng năng lượng hàng tháng của mô phỏng dựa trên EnergyPlus của mình bên dưới. Giả định: [tệp khí hậu, số giờ sử dụng, cài đặt nhiệt độ]. Tóm tắt các kết quả này: tháng nào có mức tải cao nhất, vị trí nào nổi bật, giả định nào ảnh hưởng đến kết quả nhiều nhất. Tính toán một con số mới; chỉ cần diễn giải dữ liệu tôi đưa ra."
Lời nhắc mạnh mẽ giúp AI giữ vai trò thông dịch viên; Nó không rơi vào cái bẫy tạo ra những con số và đưa ra những giả định rõ ràng.
kinh doanh
AI có làm được điều đó không?
Ai sản xuất số
Chỉnh sửa kịch bản
Có
—
Tổng hợp dữ liệu vật liệu
Có (đã xác nhận)
Giấy chứng nhận của nhà sản xuất
tài khoản mô phỏng
không
Phần mềm được công nhận
Nhận xét/tóm tắt kết luận
Có
—
Viết báo cáo
Có (hàn)
—
Những lỗi thường gặp
- Làm cho AI tạo ra các con số Giá trị ánh sáng ban ngày/năng lượng chỉ đến từ phần mềm.
- Không nêu các giả định Việc giải thích vẫn không có ngữ cảnh và gây hiểu lầm.
- Không xác nhận giá trị vật chất. AI có thể đưa ra giá trị nhiệt độ/ánh sáng không chính xác.
- Không so sánh bản tóm tắt AI với dữ liệu thô. Tóm tắt có thể đánh dấu không chính xác.
- Đưa số liệu vào báo cáo. Không có con số không có nguồn nào được đưa vào báo cáo.
Tóm lại
Tính toán năng lượng và ánh sáng ban ngày dựa trên vật lý và chỉ phần mềm mô phỏng được công nhận mới thực hiện đúng. AI không thực hiện phép tính này; chỉnh sửa đầu vào, biên dịch (xác minh) dữ liệu vật liệu, diễn giải kết quả và viết báo cáo. Không bao giờ bắt AI tạo ra một số như hệ số nhân ánh sáng ban ngày hoặc mức tiêu thụ năng lượng. Trích dẫn nguồn của từng con số, đưa ra các giả định rõ ràng và xác minh đánh giá cuối cùng với chuyên gia có thẩm quyền.
Nhiệm vụ ứng dụng
Thiết kế kịch bản phân tích ánh sáng ban ngày hoặc tình trạng quá nóng cho không gian. Với AI, biến các trường hợp thử nghiệm thành một bảng và để lại các trường xác nhận cho các giá trị vật chất. Nếu bạn có đầu ra mô phỏng (hoặc bảng mẫu), hãy tóm tắt nó cho AI, nêu rõ các giả định và kiểm tra xem AI không tạo ra bất kỳ số mới nào.
danh sách kiểm tra
- [ ] Tôi đã làm rõ câu hỏi phân tích.
- [ ] Tôi đã chỉnh sửa kịch bản bằng AI.
- [ ] Tôi đã xác nhận các giá trị vật liệu từ tài liệu của nhà sản xuất.
- [ ] Tôi chỉ lấy số này từ phần mềm được công nhận.
- [ ] Tôi đã nhờ AI giải thích nó bằng cách nêu các giả định.
- [ ] Tôi đã kiểm tra rằng AI không tạo ra số mới.
- [ ] Tôi đã ghi rõ nguồn gốc của từng vấn đề trong báo cáo.